Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba

En la presente tesis se describe el uso práctico de la teledetección en el mapeo de cultivos. Los objetivos fueron: Evaluar y comparar el desempeño de algoritmos de clasificación; Determinar la posibilidad de extrapolar firmas espectrales; y Caracterizar cubiertas de residuos agrícolas con datos SAR. El estudio fue desarrollado en el área central de la Provincia de Córdoba, Argentina. Se utilizaron imágenes de sensores pasivos y activos. La precisión de las clasificaciones fue evaluada mediante matrices de confusión. Empleando datos ópticos, las mejores precisiones se alcanzaron al utilizar clases que representaban los diversos estadios fenológicos de cada cultivo. La clasificación realizada con datos inter-anuales, evidenció muy buenas precisiones. El análisis de datos de radar sobre residuos de cultivos, determinó que el filtro Lee es el más apropiado para el problema en estudio. La polarización HH permitió una mejor discriminación de las clases.

Saved in:
Bibliographic Details
Main Author: Nolasco, Miguel Martín
Other Authors: Scavuzzo, Carlos Marcelo
Format: masterThesis biblioteca
Language:spa
Published: 2018
Subjects:Applied computing-Agriculture, Machine Learning,
Online Access:http://hdl.handle.net/11086/6841
Tags: Add Tag
No Tags, Be the first to tag this record!
id dig-unc-ar-11086-6841
record_format koha
spelling dig-unc-ar-11086-68412022-10-13T11:27:25Z Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba Nolasco, Miguel Martín Scavuzzo, Carlos Marcelo Bocco, Mónica de Lourdes Applied computing-Agriculture Machine Learning En la presente tesis se describe el uso práctico de la teledetección en el mapeo de cultivos. Los objetivos fueron: Evaluar y comparar el desempeño de algoritmos de clasificación; Determinar la posibilidad de extrapolar firmas espectrales; y Caracterizar cubiertas de residuos agrícolas con datos SAR. El estudio fue desarrollado en el área central de la Provincia de Córdoba, Argentina. Se utilizaron imágenes de sensores pasivos y activos. La precisión de las clasificaciones fue evaluada mediante matrices de confusión. Empleando datos ópticos, las mejores precisiones se alcanzaron al utilizar clases que representaban los diversos estadios fenológicos de cada cultivo. La clasificación realizada con datos inter-anuales, evidenció muy buenas precisiones. El análisis de datos de radar sobre residuos de cultivos, determinó que el filtro Lee es el más apropiado para el problema en estudio. La polarización HH permitió una mejor discriminación de las clases. 2018-11-14T19:42:48Z 2018-11-14T19:42:48Z 2018 masterThesis http://hdl.handle.net/11086/6841 spa Atribución-CompartirIgual 4.0 Internacional http://creativecommons.org/licenses/by-sa/4.0/
institution UNC AR
collection DSpace
country Argentina
countrycode AR
component Bibliográfico
access En linea
databasecode dig-unc-ar
tag biblioteca
region America del Sur
libraryname Biblioteca 'Ing. Agrónomo Moisés Farber' de la Facultad de Ciencias Agropecuarias
language spa
topic Applied computing-Agriculture
Machine Learning
Applied computing-Agriculture
Machine Learning
spellingShingle Applied computing-Agriculture
Machine Learning
Applied computing-Agriculture
Machine Learning
Nolasco, Miguel Martín
Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba
description En la presente tesis se describe el uso práctico de la teledetección en el mapeo de cultivos. Los objetivos fueron: Evaluar y comparar el desempeño de algoritmos de clasificación; Determinar la posibilidad de extrapolar firmas espectrales; y Caracterizar cubiertas de residuos agrícolas con datos SAR. El estudio fue desarrollado en el área central de la Provincia de Córdoba, Argentina. Se utilizaron imágenes de sensores pasivos y activos. La precisión de las clasificaciones fue evaluada mediante matrices de confusión. Empleando datos ópticos, las mejores precisiones se alcanzaron al utilizar clases que representaban los diversos estadios fenológicos de cada cultivo. La clasificación realizada con datos inter-anuales, evidenció muy buenas precisiones. El análisis de datos de radar sobre residuos de cultivos, determinó que el filtro Lee es el más apropiado para el problema en estudio. La polarización HH permitió una mejor discriminación de las clases.
author2 Scavuzzo, Carlos Marcelo
author_facet Scavuzzo, Carlos Marcelo
Nolasco, Miguel Martín
format masterThesis
topic_facet Applied computing-Agriculture
Machine Learning
author Nolasco, Miguel Martín
author_sort Nolasco, Miguel Martín
title Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba
title_short Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba
title_full Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba
title_fullStr Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba
title_full_unstemmed Mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de Córdoba
title_sort mapeo remoto multisensor de coberturas agrícolas extensivas en la zona central de córdoba
publishDate 2018
url http://hdl.handle.net/11086/6841
work_keys_str_mv AT nolascomiguelmartin mapeoremotomultisensordecoberturasagricolasextensivasenlazonacentraldecordoba
_version_ 1756009386289922048